控制论模型在丁二酸发酵过程中的应用

使用控制论模型来代替国内现有的动力学模型,对丁二酸发酵过程进行建模,然后使用粒子群算法进行参数优化.结果表明控制论模型拟合结果具有较好的可靠性.     

关联氧化还原电位的丁二酸发酵过程动力学模型

氧化还原电位的调控对丁二酸发酵过程影响较大,而现有的丁二酸发酵过程动力学模型均未包含此重要参量。本研究首先进行五种氧化还原电位水平下的模型参数寻优,比较了Nelder-Mead算法与自适应遗传算法,采用后者进行参数优化。分析了氧化还原电位与动力学模型参数之间的函数关系,得到关联氧化还原电位的动力学模型。采用另外两种氧化还原电位水平下的实验数据进行模型验证,结果表明该模型具有较好的可靠性。     

丁二酸发酵过程软测量模型的参数优化研究

针对生物转化法制备丁二酸发酵过程机理复杂、高度非线性、生物参数难以实时在线测量等特点,采用基于结构风险最小化的支持向量机对发酵过程建模.与神经网络方法相比,所建模型的预测效果更好.同时采用粒子群算法对支持向量机模型中     

基于加权LS-SVM的青霉素发酵过程建模

青霉素发酵过程中,一些重要参数的检测存在一定的误差,给生产过程的监测及重要参数的实时监控等带来一定困难。样本数据中自变量、因变量均有可能包含误差数据,影响模型建立的准确性,本文采用加权最小二乘算法,给各个样本的误差平方赋予不同权重用于克服异常训练样本的影响,利用Pensim仿真平台数据,采用粒子群算法(PSO)对加权最小二乘向量机算法(WLS-SVM)的参数寻优,建立青霉素发酵过程模型,通过仿真实验表明了该算法用于青霉素发酵过程建模的有效性。     

基于EBF神经网络和粒子群算法的注射成型优化设计

基于拉丁超立方设计建立了椭球基（EBF）神经网络模型描述注塑工艺参数与翘曲值间的函数关系,将EBF神经网络模型与Kriging模型对比,说明EBF神经网络模型可以准确地描述注塑工艺参数与翘曲值之间的函数关系,并结合多目标粒子群算法对工艺参数进行优化,并与邻域培植遗传算法优化结果对比,说明多目标粒子群算法的优点。结果表明,基于EBF神经网络模型和粒子群优化算法可以使塑料出水管翘曲值减小11.64 %,同时使保压时间和冷却时间总和减小了2.13 s,从而在出水管批量生产过程中减少了生产时间。     

基于改进PSO-RBFNN的海洋蛋白酶发酵过程软测量

针对海洋蛋白酶（marine protease,MP）发酵过程中某些关键参量难以在线检测,离线测量存在大滞后、易染菌的问题,提出了一种基于改进的粒子群-径向基神经网络（PSO-RBFNN）的MP发酵过程软测量建模方法。首先采用指数下降惯性权重（exponential decreasing inertia weight,EDIW）策略对粒子群算法进行改进,克服了固定惯性权重和自适应惯性权重的粒子群算法易于陷入局部极小,进化后期收敛速度慢以及全局搜索能力弱的缺点;然后,采用改进后的粒子群算法对径向基神经网络连接权值进行在线优化,确定RBFNN拓扑结构;最后,根据MP发酵过程的输入/输出向量构建RBFNN软测量模型。实验仿真结果表明,EDIW策略改进的PSO-RBFNN软测量模型训练时间缩短了40%左右,模型预测精度提高了3%以上。     

基于改进PSO-RBFNN的海洋蛋白酶发酵过程软测量

针对海洋蛋白酶(marine protease,MP)发酵过程中某些关键参量难以在线检测,离线测量存在大滞后、易染菌的问题,提出了一种基于改进的粒子群-径向基神经网络(PSO-RBFNN)的MP发酵过程软测量建模方法。首先采用指数下降惯性权重(exponential decreasing inertia weight,EDIW)策略对粒子群算法进行改进,克服了固定惯性权重和自适应惯性权重的粒子群算法易于陷入局部极小,进化后期收敛速度慢以及全局搜索能力弱的缺点;然后,采用改进后的粒子群算法对径向基神经网络连接权值进行在线优化,确定RBFNN拓扑结构;最后,根据MP发酵过程的输入/输出向量构建RBFNN软测量模型。实验仿真结果表明,EDIW策略改进的PSO-RBFNN软测量模型训练时间缩短了40%左右,模型预测精度提高了3%以上。     

改进粒子群算法在酶发酵过程优化控制中的应用

针对发酵过程的非线性、时变等特点,建立了基于BP神经网络的产物浓度预估模型,并在此模型的基础上,利用改进的粒子群算法(PSO)实现对L-天冬酰胺酶Ⅱ发酵过程控制参数的寻优,以确定该过程的优化轨线,通过在线调整实现对优化轨线的跟踪控制,实验应用结果表明效果良好.     

复合粒子群优化算法在模型参数估计中的应用

化工非线性模型的参数估计是较为困难的寻优问题，经典方法常会陷入局部极值。粒子群算法操作简便、容易实现且全局搜索功能较强，适用于非线性参数估计。但其参数值的确定与问题相关，若设定不当，会严重影响全局搜索的性能。今提出引入遗传算法，在粒子群算法的搜索过程中，逐代优选参数，包括惯性权值，加速常数，以此构建为复合粒子群优化算法。分析与测试表明，其全局搜索性能有显著改善。进一步的工作又将两种粒子群算法成功地应用于重油热解模型的参数估计。采用复合粒子群优化算法估计参数构建的重油热解模型，其预报相对误差比常规粒子群优化算法降低了8.97％，比简单遗传算法降低了23.21％，效果明显。     

基于动态代谢通量分析的发酵过程多目标优化

通过动态代谢通量分析方法建立发酵过程模型,提出了一种基于微观代谢信息的发酵过程多目标优化策略,该策略基于所建微观模型,根据动态特性将发酵过程分为菌体生长和产物合成两个阶段,进行特征分析并从微观通量层面分别设计优化目标与约束条件,采用多目标粒子群算法求得最优解。该方法用于青霉素发酵过程底物流加速率和pH的操作轨迹优化,仿真实验结果表明,采用基于微观通量的多目标优化策略能够提高产物终端浓度,表明优化策略的有效性。     

应用群能量恒定粒子群优化算法的批次流加发酵过程批次间优化(英文)

An iterative optimization strategy for fed-batch fermentation process is presented by combining a run-to-run optimization with swarm energy conservation particle swarm optimization (SEC-PSO). SEC-PSO, which is designed with the concept of energy conservation, can solve the problem of premature convergence frequently appeared in standard PSO algorithm by partitioning its population into several sub-swarms according to the energy of the swarm and is used in the optimization strategy for parameter iden-tification and operation condition optimization. The run-to-run optimization exploits the repetitive nature of fed-batch processes in order to deal with the optimal problems of fed-batch fermentation process with inaccurate process model and unsteady process state. The kinetic model parameters, used in the operation condition optimization of the next run, are adjusted by calculating time-series data obtained from real fed-batch process in the run-to-run optimization. The simulation results show that the strategy can adjust its kinetic model dynamically and overcome the instability of fed-batch process effectively. Run-to-run strategy with SEC-PSO provides an effective method for optimization of fed-batch fermentation process.     

大肠杆菌FMME-N-26生产琥珀酸的发酵条件优化和放大

琥珀酸(Succinic acid)被认为是白色生物技术生产的最具潜力的大宗化学品之一,在工业上具有广泛的应用。微生物发酵生产琥珀酸具有环境友好和可持续发展等优点,展现出良好的发展前景,但是存在得率低、副产物积累、生产强度低等问题。为了实现琥珀酸的高效生产,在3.6 L发酵罐中对E. coli FMME-N-26生产琥珀酸发酵条件和补料策略进行了优化,建立了好氧-厌氧两阶段发酵工艺,最终确定发酵策略为：有氧发酵8 h后转为厌氧发酵,MgCO3为pH中和剂,发酵72 h补加抗渗透压保护剂2 mmol/L甜菜碱,厌氧阶段控制葡萄糖浓度为1~5 g/L。优化后发酵72 h,琥珀酸的产量和厌氧阶段得率分别达到119.2 g/L和1.08 g/g葡萄糖(理论得率97%),分别比优化前提高了46.4%和4.8%,副产物乙酸和乳酸仅积累2.37和0.94 g/L,分别比优化前降低了37.1%和49.2%。在1000 L发酵罐中实现中试放大生产,E. coli FMME-N-26生产琥珀酸的产量、得率和生产强度在国内外属于领先水平,为琥珀酸工业化生产奠定了坚实的基础,同时也为其他高价值化学品的生产提供了借鉴。     

生物法制造丁二酸研究进展

丁二酸因其C₄分子结构在化工领域的潜在价值,被认为是一种具有广阔应用前景的生物基平台化合物。结合生物基丁二酸的产业现状,综合分析了丁二酸生产菌种及菌株改造、生物过程优化和丁二酸分离纯化这三个方面的研究现状。重点介绍以大肠杆菌、产琥珀酸放线杆菌、解脂耶氏酵母为代表的主要生产菌株及其改造策略;低值生物质利用及控制发酵过程中CO₂供给和pH调节等生物过程优化策略;包括钙盐法、电渗析法、直接分离法等方法在内的丁二酸分离工艺。同时指出未来的研究重点将综合考虑经济性与能耗问题,将菌株与发酵和分离全过程整合,提高丁二酸产量,降低发酵及分离成本,进一步拓展生物基丁二酸市场应用领域。     

Optimization of Process Conditions for Styrene Epoxidation Based on the Artificial Intelligence Method

A novel prediction and optimization method based on improved generalized regression neural network (GRNN) and particle swarm optimization (PSO) algorithm is proposed to optimize the process conditions for styrene epoxidation to achieve higher yields. This model was designed to optimize the five input parameters reaction temperature and time as well as catalyst, solvent, and oxidant dosage. The output of the improved GRNN was given to the PSO algorithm to optimize the process conditions. The optimal smoothing parameter σ of GRNN was chosen from the training sample with a minimum cross validation error. Under the five optimized process conditions the maximum yield reached 95.76 %. This innovative model of improved GRNN hybrid PSO algorithm proved to be a useful tool for optimization of process conditions for styrene epoxidation.     

大肠杆菌生产琥珀酸的代谢工程研究进展

琥珀酸是一种重要的化工原料,具有广阔的市场. 微生物发酵法生产琥珀酸可以解决常规化学合成法对石油的依赖. 代谢工程的兴起使重组大肠杆菌生产琥珀酸变为可能,也取得了一定的成效,但是其发酵强度还不够高,且过程中伴随着其他有机酸的积累,因此还不适于工业化生产. 代谢工程以系统生物学为基础,为重组大肠杆菌的进一步改造提供了更合理的依据. 本工作以大肠杆菌生产琥珀酸所涉及的关键酶、代谢途径及其改造为对象,系统综述了大肠杆菌生产琥珀酸所涉及的代谢工程技术及其最新研究进展,并探讨了将来的发展前景.     

基于pH控制的丙酮丁醇间歇发酵过程动力学模型

基于微生物发酵动力学模型和丙酮丁醇发酵工艺的特点,由5组控制pH下的实验数据建立该发酵过程的动力学模型,采用改进的自适应遗传算法对模型的12个参数进行优化,并采用一组控制pH数据对模型进行了外推验证,结果表明,该模型能够较好地描述pH的丙酮丁醇间歇发酵过程.     

基于粒子群优化的磨矿分级过程多层数据协调

准确稳定的过程数据是选矿厂进行过程优化控制和决策管理的依据,今针对磨矿分级过程数据特点,建立了多层数据协调模型,包括总物料平衡层、粒度分布/品位层和不同粒度下的成分分析层(金属分布率层);针对模型维数较高的问题,引入粒子群优化(PSO)算法进行求解。根据不同的测量信息,可选择相应的层次进行协调,并采用从低层向高层逐层协调的方法,实现了部分非线性约束到线性约束的转化,提高了数据协调效率。将该多层模型和PSO算法用于某选矿厂磨矿分级过程实际生产数据的协调,结果表明协调后的数据更准确、更稳定,包含的信息更丰富完整。     

注塑模冷却水道工艺参数优化

结合响应曲面法和粒子群优化算法研究了注塑模冷却水道的工艺参数优化,使塑料件在一定的模壁温差下,冷却时间最短。将手机后盖的3D模型导入Moldflow中进行网格划分并对其冷却过程进行模拟,结合BoxBehnken试验设计和响应曲面法得到冷却水道工艺参数与冷却时间和模壁温差之间拟合的回归方程,再通过粒子群优化算法,得到最佳冷却水道工艺参数组合即冷却水道距模具型腔表面的距离为8.851 3 mm、冷却水道直径为12 mm,冷却水道之间的距离为11.054 2 mm,通过对优化的组合参数进行模拟,验证了其可行性。     

基于流变特性的动力学模型研究及在柠檬酸发酵过程的应用

研究了基于流变特性的动力学模型,并以实验统计数据为基础,通过对模型进行分析,推断了模型参数,同时将模型应用于柠檬酸发酵过程中。结果表明模型的拟合效果良好,从而表明所建立的模型基本符合柠檬酸发酵过程,这为显示流变特性对发酵代谢过程的影响提供了理论依据,也为实现柠檬酸发酵过程最优化提供必要条件。